h1

001013266 001__ 1013266
001013266 005__ 20250801052221.0
001013266 0247_ $$2HBZ$$aHT031173209
001013266 0247_ $$2Laufende Nummer$$a44448
001013266 0247_ $$2datacite_doi$$a10.18154/RWTH-2025-05419
001013266 037__ $$aRWTH-2025-05419
001013266 041__ $$aEnglish
001013266 082__ $$a530
001013266 1001_ $$0P:(DE-588)1369958439$$aEngelke, Frederic$$b0$$urwth
001013266 245__ $$aSearches for supersymmetric dark matter in semileptonic final states at the CMS experiment employing angular correlation and deep learning techniques followed by a reinterpretation in the pMSSM19 framework$$cvorgelegt von Frederic Engelke, M. Sc. RWTH$$honline
001013266 260__ $$aAachen$$bRWTH Aachen University$$c2025
001013266 300__ $$a1 Online-Ressource : Illustrationen
001013266 3367_ $$02$$2EndNote$$aThesis
001013266 3367_ $$0PUB:(DE-HGF)11$$2PUB:(DE-HGF)$$aDissertation / PhD Thesis$$bphd$$mphd
001013266 3367_ $$2BibTeX$$aPHDTHESIS
001013266 3367_ $$2DRIVER$$adoctoralThesis
001013266 3367_ $$2DataCite$$aOutput Types/Dissertation
001013266 3367_ $$2ORCID$$aDISSERTATION
001013266 502__ $$aDissertation, RWTH Aachen University, 2025$$bDissertation$$cRWTH Aachen University$$d2025$$gFak01$$o2025-05-13
001013266 500__ $$aVeröffentlicht auf dem Publikationsserver der RWTH Aachen University
001013266 5203_ $$aDie Natur der Dunklen Materie (DM) bleibt eines der größten ungelösten Rätsel der modernen Physik. Obwohl DM die sichtbare (baryonische) Materie um ein Vierfaches übersteigt, sind ihr Ursprung und ihre Eigenschaften weiterhin unbekannt. In dieser Arbeit wird das Problem der Dunklen Materie im Rahmen der Supersymmetrie (SUSY) untersucht, einer theoretischen Erweiterung des Standardmodells der Teilchenphysik. Unter Verwendung von Daten mit einer integrierten Luminosität von $L = 138 \ \text{fb}^{-1}$, die während des Large Hadron Collider (LHC) Run 2 (2016-2018) vom Compact Muon Solenoid (CMS) Experiment gesammelt wurden, werden mehrere Analysestrategien angewandt, um SUSY-Teilchen zu identifizieren, die als Kandidaten für Dunkle Materie infrage kommen. Ein erster Ansatz verwendet eine Cut-and-Count-Analyse, welche die Massenebene $m_{\tilde{g}} - m_{\tilde{\chi}_0^1}$ mit einer datengetriebenen Methode weiter untersucht, um die Modellierung von Untergrundprozessen durch Transferfaktoren und Korrekturen zu verbessern. Mit dieser Analyse wurden Ausschlussgrenzen für Gluino-Massen bis zu 2050 GeV und Neutralino-Massen bis zu 1070 GeV erreicht. Anschließend wurden diese Ergebnisse im Rahmen des phänomenologischen MSSM (pMSSM19) neu interpretiert, wobei zusätzliche SUSY-Parameter eingeschränkt und vielversprechende Regionen identifiziert wurden, welche die Verteilung der beobachteten Daten erklären würden. Um die Sensitivität weiter zu steigern, wurde ein Ansatz auf Basis von maschinellem Lernen entwickelt. Ein tiefes neuronales Netzwerk (DNN) wurde trainiert, um Kollisionsereignisse zu klassifizieren und Signalregionen anhand von DNN-Scores zu definieren. Diese Methode erweitert die Ausschlussgrenzen auf bis zu 1450 GeV für $m_{\tilde{\chi}_0^1}$ und auf bis zu 2230 GeV für $m_{\tilde{g}}$ und demonstriert den Nutzen fortschrittlicher Strategien in modernen Analysen an Teilchenbeschleunigern. Außerdem wurde das äußere Hadronenkalorimeter (HO) des CMS-Detektors untersucht, um sein Potenzial als Triggersystem für langlebige Teilchen (LLPs) zu evaluieren. Dies könnte die Identifizierung von Signaturen erleichtern, die von SUSY vorhergesagt werden.$$lger
001013266 520__ $$aThe nature of dark matter (DM) remains one of the most compelling mysteries in modern physics. Despite DM exceeding the visible (baryonic) matter by a factor of four, its origin and properties are yet to be understood. This thesis explores the dark matter problem through the framework of supersymmetry (SUSY), a theoretical extension of the Standard Model of particle physics. Using data collected during the Large Hadron Collider (LHC) Run 2 (2016-2018) by the Compact Muon Solenoid (CMS) experiment, with an integrated luminosity of $L = 138 \ \text{fb}^{-1}$, multiple analysis strategies are employed to search for signatures of SUSY particles that present viable DM candidates. The first analysis utilizes a cut-and-count approach targeting the $m_{\tilde{g}}$-$m_{\tilde{\chi}_0^1}$ mass plane via angular correlation between selected physics objects, combined with a data-driven method to address limitations in background modeling via transfer factors and corrections. This analysis achieved exclusion limits for gluino masses up to 2050 GeV and neutralino masses up to 1070 GeV. Subsequently, these results were reinterpreted within the phenomenological MSSM framework (pMSSM19), constraining additional SUSY parameters and highlighting potential regions of interest based on observed data excesses. To further enhance the sensitivity, a machine learning-based approach was developed, utilizing a deep neural network (DNN) to classify collision events and define signal regions based on DNN scores. This novel methodology expands the exclusion limits up to 1450 GeV for $m_{\tilde{\chi}_0^1}$ and up to 2230 GeV for $m_{\tilde{g}}$ and demonstrates the advantages of sophisticated computational techniques in modern collider analyses. Also, the HO, the outer hadron calorimeter of the CMS detector, was evaluated as a potential trigger system for long-lived particle (LLP) detection, addressing challenges in identifying signatures predicted by SUSY theories.$$leng
001013266 536__ $$0G:(GEPRIS)400140256$$aGRK 2497 - GRK 2497: Physik der schwersten Teilchen am Large Hadron Collider (400140256)$$c400140256$$x0
001013266 588__ $$aDataset connected to Lobid/HBZ
001013266 591__ $$aGermany
001013266 653_7 $$aHEP
001013266 653_7 $$adark matter
001013266 653_7 $$amachine learning
001013266 653_7 $$apMSSM19
001013266 653_7 $$aparticle physics
001013266 653_7 $$asupersymmetry
001013266 7001_ $$0P:(DE-82)764093$$aBorras, Kerstin$$b1$$eThesis advisor$$urwth
001013266 7001_ $$0P:(DE-82)IDM00267$$aKrämer, Michael$$b2$$eThesis advisor$$urwth
001013266 8564_ $$uhttps://publications.rwth-aachen.de/record/1013266/files/1013266.pdf$$yOpenAccess
001013266 8564_ $$uhttps://publications.rwth-aachen.de/record/1013266/files/1013266_source.zip$$yRestricted
001013266 909CO $$ooai:publications.rwth-aachen.de:1013266$$popenaire$$popen_access$$pVDB$$pdriver$$pdnbdelivery
001013266 915__ $$0StatID:(DE-HGF)0510$$2StatID$$aOpenAccess
001013266 9141_ $$y2025
001013266 9101_ $$0I:(DE-588b)36225-6$$6P:(DE-588)1369958439$$aRWTH Aachen$$b0$$kRWTH
001013266 9101_ $$0I:(DE-588b)36225-6$$6P:(DE-82)764093$$aRWTH Aachen$$b1$$kRWTH
001013266 9101_ $$0I:(DE-588b)36225-6$$6P:(DE-82)IDM00267$$aRWTH Aachen$$b2$$kRWTH
001013266 9201_ $$0I:(DE-82)131910_20160614$$k131910$$lLehrstuhl für Experimentelle Elementarteilchenphysik (DESY)$$x0
001013266 9201_ $$0I:(DE-82)130000_20140620$$k130000$$lFachgruppe Physik$$x1
001013266 961__ $$c2025-07-31T11:37:14.557241$$x2025-06-17T15:08:13.452319$$z2025-07-31T11:37:14.557241
001013266 9801_ $$aFullTexts
001013266 980__ $$aI:(DE-82)130000_20140620
001013266 980__ $$aI:(DE-82)131910_20160614
001013266 980__ $$aUNRESTRICTED
001013266 980__ $$aVDB
001013266 980__ $$aphd